Generative KI mit DynamoDB verwenden - Amazon-DynamoDB

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Generative KI mit DynamoDB verwenden

Amazon DynamoDB ist eine serverlose, neinSQL, vollständig verwaltete Datenbank mit einer Leistung im einstelligen Millisekundenbereich in jeder Größenordnung. DynamoDB ist für Workloads mit hohem Durchsatz optimiert, und Sie können seine Funktionen durch die Integration mit generativen KI-Modellen erweitern. Mithilfe generativer KI-Modelle können Sie in Echtzeit mit Daten arbeiten, die in DynamoDB-Tabellen gespeichert sind, und Anwendungen erstellen, die kontextsensitiv und hochgradig personalisiert sind. Sie können auch das Endbenutzererlebnis verbessern, indem Sie Ihre Geschäfts-, Benutzer- und Anwendungsdaten optimal nutzen, um Ihre generativen KI-Lösungen individuell anzupassen.

Weitere Informationen zur KI der Generation und zu den Lösungen, die für die Entwicklung von Gen-KI-Anwendungen AWS bereitgestellt werden, finden Sie unter Transformieren Sie Ihr Unternehmen mit generativer KI.

Generative KI-Anwendungsfälle für DynamoDB

DynamoDB wird häufig in KI-gestützten Konversationsanwendungen wie Chatbots und Call Centern verwendet, die auf einem Foundation Model (FM) basieren. Sie können FMs über Amazon Bedrock SageMaker, Amazon oder andere Modellanbieter darauf zugreifen. Solche Anwendungen verwenden häufig DynamoDB, um die Personalisierung zu verbessern und die Benutzererfahrung anhand von drei Datenmustern zu verbessern: Anwendungsdaten, Geschäftsdaten und Benutzerdaten. Einige Beispiele für diese Datenmuster lauten wie folgt:

  • Speicherung von Anwendungsdaten, wie z. B. dem Verlauf von Chat-Nachrichten, durch Integrationen mit LangChainLlamaIndex, oder durch einen benutzerdefinierten Code. Dieser Kontext verbessert die Benutzererfahrung, indem er es dem Modell ermöglicht, mit dem Benutzer hin und her zu kommunizieren.

  • Schaffung eines maßgeschneiderten Benutzererlebnisses durch Nutzung von Geschäftsdaten wie Inventar, Preisgestaltung und Dokumentation.

  • Verwendung von Benutzerdaten wie Webverlauf, vergangenen Bestellungen und Benutzereinstellungen, um personalisierte Antworten zu geben.

Beispielsweise kann ein Versicherungsunternehmen mithilfe von DynamoDB einen Chatbot erstellen, um seinem auf Retrieval-Augmented Generation (RAG) basierenden KI-Modell der Generation Zugriff auf Daten nahezu in Echtzeit zu gewähren. Beispiele für solche Daten sind Hypothekenzinsen in Echtzeit, Produktpreise, konforme oder standardmäßige Vertragskopien, der Webverlauf von Benutzern und Benutzereinstellungen. Durch die Kombination von DynamoDB mit werden detaillierte und aktuelle Informationen zu Versicherungsprodukten und Benutzerdaten RAG hinzugefügt. Dadurch werden die Eingabeaufforderungen und Antworten erweitert, sodass Endbenutzer ein genaues, personalisiertes Erlebnis nahezu in Echtzeit erhalten.

In ähnlicher Weise verwenden Kunden aus der Finanzdienstleistungsbranche DynamoDB, Amazon Bedrock Knowledge Bases und Amazon Bedrock Agents, um RAG KI-basierte Gen-Anwendungen zu entwickeln. Diese Anwendungen können Open-Source-Gewinnberichte und Anrufprotokolle verwenden. Sie können auch die benutzerspezifische Portfolio- und Transaktionshistorie verwenden, um auf Abruf eine Zusammenfassung des Portfolios einschließlich eines Ausblicks für die future zu erstellen.